ICIJ Offshore Leaks

1 Datenbeschaffung

• ICIJ Offshore Leaks: Pandora Papers

2 Explorative Datenanalyse

2.1 Pandora Papers Graph

2.2 Pandora Papers Subgraph (Connected Components mit min. 1 schweizer Adresse)

2.3 Anzahl der Nodes pro Typ

2.4 Anzahl der Connected Components

2.5 Density

• Weighted Projection auf Officers
• Filterung der Officers eines Landes

3 Welches sind die grössten Officergruppen/Cliquen und wie viel Prozent der Schweizer Officers gehören ihnen an?

Ziel:

Das Ziel ist es, die grössten Officergruppen mittels verschiedener Verfahren zu identifizieren und zu berechnen, wie viel Prozent der Schweizer Officers diesen Gruppen angehören.

3.1 Duplikate entfernen

3.2 Offiziers-Offiziers-Netzwerk

• Filtern: Entitäten, Adressen und Offiziere
• Projektion: Offiziere

3.3 Cliquen

3.4 Label-Propagation

3.5 Modularität

3.6 Connected Components

3.7 Louvain

3.8 Schlussfolgerung

• Sehr homogene Gruppen bzgl. Nationalität
• Je lockerer die Definition der Gruppe:
  • desto mehr Offiziere gehören dazu
  • desto heterogener die nationalen Hintergründe
• Die Schweiz ist mit 2.27% nicht so relevant

4 Wie intensiv ist die Zusammenarbeit zwischen den Officers verschiedener Länder? Wie gut schneidet die Schweiz dabei ab?

Ziel:

Das Ziel dieser Analyse war es herauszufinden, wie stark die einzelnen Officers der verschiedenen Ländern miteinander kollaborieren.
Auch sollte herausgefunden werden, wo die Schweiz steht verglichen mit den anderen Ländern.

4.1 Original Graph

4.2 Filtering

• Nur Officers und Entities sollen übrig bleiben
• Nodes mit gleichen Attributen sollen kombiniert werden

4.3 Projection

• Newmann’s weighted projection

4.4 Global view

• Keine self loops (keine Verbindungen im gleichen Land)
• Summe aus Edge-Weight

Länder mit weighted degree > 10

4.4.1 Fortsetzung

Die Schweiz befindet sich auf Rang 5

4.5 Hypothesentest

• Ist der Rang der Schweiz statistisch signifikant?

\begin{align*} H_0 &: r \geq r_{\text{zufällig}} \\ H_1 &: r < r_{\text{zufällig}} \end{align*}

5 Welche Schweizer Officers haben die meisten Offshore Firmen?

• Filterung von Connected Components mit mindestens einer Schweizer Adresse
• Mergen von Nodes mit gleichen Attributen
• Filterung von schweizer Officers und deren Entitäten

5.1 Ruslan Goryukhin

• Russischer Staatsbürger
• Oft “Ultimate Beneficial Owner”
• Enger Geschäftspartner von Putin vertrauten

5.2 Adrian Guldener

• Schweizer Staatsbürger
• Oft “Beneficial Owner” oder “Shareholder”
• keine bekannten Skandale

5.3 Alexander Studhalter

• Anwalt und Notar aus Zug
• Oft “Beneficial Owner”
• 2022 von USA sanktioniert, wegen Verhandlungen mit Oligarchentochter

6 Haben schweizer Officer mehr Firmen zusammen mit anderen schweizer Officers oder mit ausländischen Officers?

Ziel:

Das Ziel dieser Analyse war es herauszufinden, ob schweizer Officers mehr mit inländischen Officers involviert sind oder mehr mit ausländischen.

6.1 Original Graph

6.2 Filtering

• Nur Officers und Entities sollen übrig bleiben
• Nodes mit gleichen Attributen sollen kombiniert werden

6.3 Projection

• Unweighted Projection auf die Officers (Edge wenn zwei Officers mindestens einmal zusammen im Vorstand einer Firma sassen)

6.4 Korrelation zwischen den Officerbeziehungen und Ländern

• In einem ersten Schritt wird überprüft, ob Officers vom gleichen Land eher im Vorstand einer Firma sitzen oder nicht.
  
• Dies wird durch einen Dyadischen Hypothesentest gelöst, weshalb ein neuer Graph erstellt werden muss, bei welchem die Officer Nodes nur dann eine Edge besitzen, wenn sie Teil vom gleichem Land sind.

6.4.1 Same-Country Graph

6.4.2 Hypothesentest

• Als Metrik wird die Pearson Korrelation zwischen den beiden Adjazenzmatrizen verwendet
• Ist die Korrelation statistisch signifikant?

\begin{align*} H_0 &: \text{Officer\ Interaktion} \leq \text{Officer\ Interaktion}_{\text{zufällig}} \\ H_1 &: \text{Officer\ Interaktion} > \text{Officer\ Interaktion}_{\text{zufällig}} \end{align*}

6.5 Haben schweizer Officers mehr Verbindungen innerhalb der Schweiz?

• In einem letzten Schritt wird überprüft, wie gross der Anteil der Verbindungen der Officer innerhalb der Schweiz ist
• Global view auf Land

6.5.1 Hypothesentest

• Ist der Anteil statistisch signifikant?

\begin{align*} H_0 &: \text{Verhältnis} \leq \text{Verhältnis}_{\text{zufällig}} \\ H_1 &: \text{Verhältnis} > \text{Verhältnis}_{\text{zufällig}} \end{align*}

7 Ausblick

• verschiedene Kantenarten
• Intermediäre und Entitäten mehr untersuchen
• Shortest Path Analyse
• Validieren von Resultaten durch Googlesuche

8 Lessons Learned

• Graph sehr gross
  • Komplexität der Algorithmen
  • RAM
• Algorithmen sind einfach anzuwenden
  • Interpretation und Dokumentation der Resultate darf nicht vernachlässigt werden